H266/VVC标准的编码结构介绍

概述

CVS： H266的编码码流包含一个或多个编码视频序列（Coded Video Swquence，CVS），每个CVS以帧内随机接入点（Intra Random Access Point， IRAP）或逐渐解码刷新（Gradual Decoding Refresh， GDR）图像开始。CVS是时域独立可解码的基本单元。
CLVS： 编码视频序列层，当编码码流只包含一层时，CVS与CLVS一致。
AU： 访问单元
PU： 图像单元，不同于H265里的预测单元PU，在H266中的每个PU为一幅图像，包含一个或多个片Slice。CVS、AU、PU的关系如下。

Slice： 在H266中一图图像可以被分割成一片或多片Slice，目的是压缩数据的高效存储、传输，每个Slice对应一个单独的NAL单元。可以分成三类：

类型	解释
I Slice	该Slice内所有CU都使用帧内预测
P Slice	在I Slice的基础上，该Slice内CU可以使用帧内预测、帧间预测，只使用图像参考列表list0
B Slice	在P Slice的基础上，B Slice可以使用图像参考列表list0和list1

Tile： 一幅图像可以划分若干个Tile，即从水平方向和垂直方向将一幅分割成若个矩形区域，一个矩形区域就是一个Tile，每个Tile包含整数个CTU，可以独立解码。划分Tile的主要目的是在增强并行处理能力的同时又不引入新的错误扩散。如下图的Tile划分。

CTU： H266使用树形编码单元CTU作为编码的基本单位，一幅图像被分成一个CTU序列，对于三通道图像，CTU由一个亮度CTB和两个对应的色度CTB构成。亮度最大允许尺寸128x128，色度块的最大尺寸64x64。
CU： 每个按照二叉树、三叉树、四叉树递归划分为不同尺寸的矩形编码单元CU。不同于H265，有CU\PU\TU的划分，H266是预测、变换、编码均以CU为基本单位。Slice、CTU、CU的关系如下：

在H266中，CU可以是正方形或矩形，一个CTU可能只包含一个CU，也可能被划分多个CU。如下图利用了多类型树将一个CTU递归划分为多个CU的例子。

参数集

非编码数据的参数集作为non-VLCU进行传输，这为传递关键数据提供了高鲁棒机制。

VPS： 视频参数集，VPS主要用于承载视频分级信息，表达PU间的依赖关系，支持可分级视频编码或多视点视频编码。

信息
每个PU的子层标识，子层间的相互依赖关系
标识输出层集合
会话所需的有关操作点的关键信息，如档次、级别

SPS： 序列参数集，SPS包含CVS的共用编码参数，一旦被CVS引用，该CVS中所有编码图像都是用该参数集的编码参数，SPS通过被PPS引用而作用与编码图像，一个CVS中所有被使用的PPS必须引用同一个SPS。

信息
编码格式的信息
编码参数信息
与参考图像相关的信息
档次、层和级相关参数
时域分级信息
可视化可用信息VUI
其他信息

PPS： 图像参数集，每幅图像包含一个或多个 Slice，在 H266中除了PPS，还使用了PH、APS来表示图像的共同编码参数，可被图像内所有Slice使用。PPS中存在一些与SPS中相同的参数，PPS会覆盖SPS中的取值。主要包含：

信息
编码工具的可用性标志
量化过程相关语法元素
Tile相关语法元素
去方块滤波相关语法元素
Slice头中的控制信息
编码一幅图像时可以共用的其他信息

PH： 图像头，作用与PPS相似，PH承载频繁变换的编码参数信息，如IRAP /GDR图像标识、Slice类型允许、图像序列、去方块滤波、SAO参数等。
APS： 自适应参数集，主要包含的信息具有大量数据，如传递自适应环路滤波参数ALF、参数映射与色度缩放参数LMCS、量化矩阵参数。
DCI： 解码能力信息。
SEI： 附加增强信息。

档次、层、级别

Profile： 档次主要规定了编码器可采用哪些编码工具或算法。H266/VVC标准规定了6种档次。

档次	解释
Main10	10bit、4:2:0或单色采样格式
Main4:4:4 10	10bit，4:4:4、4:2:2、4:2:0或单色采样格式
Main 10 Still Picture 和Main 4:4:4 10 Still Picture	与对应的Main10档次共享同一个档次ID，但比特流限制为只能包含一副编码图像
Multilayer Main 10 和Multilayer Main 10 4:4:4	支持多层编码

Tier： H266/VVC规定了2个层Tier，两个层分别是Main Tier(general_tier_flag=0)、High Tier(general_tier_flag=1)。
Level：H266/VVC规定了13个级别，支持从SQCIF 到8K多种分辨率的图像。图像的宽和高受到该级别定义参数MaxLumaPs的限制，还约束了水平方向和垂直方向Tile的最大数量，以及每秒Tile的最大数量。

参考

JVET提案系统： http://phenix.int-evry.fr/jvet/
JVET输出文档： https://www.itu.int/wftp3/av-arch/jvet-site/
JEM代码： https://jvet.hhi.fraunhofer.de/svn/svn_HMJEMSoftware/tags/
VTM代码： https://vcgit.hhi.fraunhofer.de/jvet/VVCSoftware_VTM
书籍： 新一代通用视频编码H266/VVC：原理、标准与实现[万帅 霍俊彦 马彦卓 杨付正/著]